Phd Degree / Doktora
Permanent URI for this collectionhttps://hdl.handle.net/11147/2869
Browse
1 results
Search Results
Doctoral Thesis Stokastik Arama Yöntemleri ile Nöro-regresyon Yaklaşımı Kullanılarak Binek Araç Rotlarının Tasarımı, Analizi ve Optimizasyonu(2025) Sayı, Abdülmecit Harun; Artem, Hatice SeçilBu tez, binek araçların manevra hassasiyeti ve araç dinamiği açılarından kritik öneme sahip direksiyon rot kolları adına tahmin fonksiyonu oluşturulması ve optimizasyonu için, kapsamlı bir çerçeve önermektedir. Çalışma, beş temel mekanik çıktıya odaklanmaktadır: kritik burkulma yükü, eşdeğer plastik şekil değiştirme, yapısal rijitlik, hasar konumu ve toplam ağırlık. Girdi örneklerinin oluşturulmasında D-optimal deneysel tasarımı yöntemi kullanıldı. Elde edilen sonlu elemanlar analizi (FEA) sonuçlarıyla yapay sinir ağlarına dayalı regresyon modelleri (nöro-regresyon) eğitildi. Yaklaşık 100 aday model arasından, stokastik arama yöntemleriyle iyileştirilen ikinci dereceden doğrusal olmayan trigonometrik modeller, istenilen yeterliliğe ulaştı. Optimizasyon aşamasında, üç aşamalı ve giderek artan kısıtlamalara sahip tek hedefli senaryolar altında dört adet stokastik algoritma karşılaştırıldı: Diferansiyel Evrim (DE), Nelder–Mead (NM), Benzetilmiş Tavlama (SA) ve Rastgele Arama (RS). Senaryo 1 ve 2, tek çıktıya bağlı kısıtlamalar içerirken, Senaryo 3 gerçek tasarım zorluklarını yansıtmak üzere çok çıktının kısıtına bağlı koşullara sahiptir. DE, tüm senaryolar boyunca kararlı ve yüksek optimum tasarımlar oluşturdu. NM, ilk iki optimizasyon senaryosunda verimli çalışırken, senaryo 3 te yetersiz kaldı. SA, senaryo 3 te en yüksek hesaplama verimliliğini sağlayarak güvenilir çözümler sundu. RS ise çoklu çıktı kısıtını içeren bu problemlerde geçerli sonuçlar üretemediği gibi ilk iki senaryoda verimli sonuç üretmedi. Bu çalışmanın temel katkılarından biri, 13 adet rot kolu tasarım değişkeni ve rota bağlı 5 adet performans çıktısını eşzamanlı olarak regresyon tabanlı bir optimizasyon sürecine entegre etmesidir. Binek araç rot tasarımında geliştirilen bu yöntem; DOE, FEA, makine öğrenmesi ve stokastik optimizasyonu bir araya getirerek, 3 boyutlu katı model oluşturma ve sonlu elemanlar analizine olan bağımlılığı azaltabileceği gibi tasarım süreçlerini ciddi ölçüde azaltabilir. Çalışma, veri odaklı makine öğrenmesi ile mühendislik tasarımını entegre ederek, binek araç rot kolu geliştirme süreçleri için ölçeklenebilir ve etkin bir çözüm yolu önermektedir.